Если вы новичок в анализе данных с помощью Pandas на Python, вам может понадобиться извлечь определенные столбцы из набора данных. В этой статье мы рассмотрим три простых метода извлечения только первых двух столбцов из DataFrame Pandas. Независимо от того, работаете ли вы над небольшим проектом или большим набором данных, эти методы пригодятся. Давайте погрузимся!
Метод 1: использование имен столбцов
Первый и самый простой метод предполагает использование имен столбцов для извлечения нужных столбцов. Предположим, у нас есть DataFrame с именем df:
first_two_cols = df[['column1', 'column2']].
Передавая список имен столбцов ['column1', 'column2']в двойных квадратных скобках, мы можем извлечь только первые два столбца и назначить их новому DataFrame с именем first_two_cols. Этот метод идеален, если имена столбцов известны заранее.
Метод 2: использование индексации
Другой способ извлечь первые два столбца — использовать индексирование. Этот метод полезен, если вы хотите извлечь столбцы на основе их позиционных индексов. Вот пример:
first_two_cols = df.iloc[:, :2]В данном случае мы используем индексатор ilocи указываем диапазон столбцов от начала (:) до индекса 2 (8). :означает, что мы хотим выбрать все строки в DataFrame. Объединив его с индексацией столбцов, мы можем извлечь первые два столбца и сохранить их в first_two_cols.
Метод 3: использование индексации столбцов
Если вы предпочитаете извлекать столбцы на основе их позиционных индексов без использования индексатора iloc, вы можете использовать следующий метод:
first_two_cols = df[df.columns[:2]]Здесь мы используем атрибут columnsдля доступа к именам столбцов, а затем разрезаем первые два столбца, указывая [:2]. Подобно методу 1, этот подход полезен, если заранее известны позиции столбцов.
В этой статье мы рассмотрели три простых способа извлечения только первых двух столбцов в Pandas. Используя имена столбцов, индексирование или индексирование столбцов, вы можете легко манипулировать своим DataFrame и извлекать нужные вам данные. Независимо от того, новичок вы или опытный аналитик данных, эти методы окажутся полезными в вашем путешествии по анализу данных.
Не забудьте ознакомиться с документацией Pandas для получения дополнительной информации о манипулировании DataFrame и других полезных методах. Начните практиковать эти методы, и вскоре вы будете уверенно извлекать столбцы, как профессионал!